Des étoiles plein les yeux. Mettre en forme des résultats de régression avec R, par Antoine Machut (Vendredis Quanti, 22 novembre 2019)

Résumé rédigé par Sofia Aouani

La séance du vendredi 22 novembre 2019 a été animée par Antoine Machut, doctorant à PACTE. Elle visait à la fois à présenter les intérêts de l’usage de la régression dans le cadre spécifique de son travail de thèse, récemment achevé, tout en fournissant des outils pratiques à la mise en forme des résultats de régression.

La présentation, les données d’exemple et le script R utilisés sont téléchargeables ci-dessous

Analyser les carrières journalistiques par l’usage de la régression

La thèse d’Antoine Machut, intitulée « La Bourse ou la plume ? Les trajectoires professionnelles de journalistes dans le monde l’information financière », porte sur les carrières de journalistes ayant exercé ou exerçant dans le secteur de la presse financière. A partir de données récoltées sur LinkedIn et sur annuaire, il propose une analyse de séquences permettant de saisir la distribution des activités des journalistes dans le temps. En particulier, il s’intéresse à la fois aux phénomènes de diversification et de dispersion des carrières à l’intérieur du monde journalistique (selon le niveau et le domaine de spécialisation) en même temps qu’aux formes de sortie de ces carrières.

L’un des premiers résultats obtenus est que c’est parmi les cohortes les plus récentes que l’on rencontre la plus grande diversification des carrières et la part la plus importante d’exit (les zones vertes dans le graphique ci-dessus). Antoine Machut pose alors la question des déterminants associés à ces profils avec une interrogation relative notamment aux effets de la formation sur les possibilités d’engager une sortie de la profession. Autrement dit, est-ce que le fait d’avoir appris le métier dans une école de journalisme rend moins probable et problématique la sortie de la profession vécue sur le mode de la vocation ? Il distingue pour cela le type de diplômes détenus ainsi que le degré de reconnaissance qui y est associé. Pour les individus ayant suivi des parcours de formation dans des écoles de journalisme, reconnues et prestigieuses, les sorties de carrière sont moins courantes au moins durant les dix premières années d’exercice. Pour autant, cela ne s’explique pas nécessairement par un engagement plus intense dans la mesure où ces profils de formation comptent moins de spécialistes des domaines économique et financier. Il est possible, au contraire, que les journalistes spécialisés soient également ceux et celles qui accèdent davantage à des opportunités de travail en dehors du monde de la presse.  

C’est dans cette perspective que le recours à la régression peut se révéler utile. Une fois prise en compte la « direction » prise par la trajectoire – en l’occurrence le niveau de spécialisation qui la caractérise – subsiste-t-il un lien statistique entre le fait d’avoir suivi une formation en journalisme et la probabilité de quitter le journalisme ?

La représentation des résultats de régressions – Tuto

Dans le cas considéré, la régression logistique mise en œuvre cherche à estimer la probabilité de quitter la presse plutôt que de ne pas la quitter (autrement dit, la « chance relative ») pour les personnes qui ont suivi des études de journalisme par rapport à celles qui n’en ont pas suivies.

Traditionnellement, les résultats des régressions sont présentés à travers des tableaux récapitulatifs dans lesquels figurent les odds-ratio accompagnés du niveau de significativité. Exprimant le rapport entre deux odds A et B, l’odds-ratio permet de mesurer les « chances de » (ou les « risques de ») connaître l’événement étudié (ici l’exit) pour une population A (mettons, les formés en école reconnue de journalisme), par rapport à ces mêmes chances pour une population B (les non-formés en journalisme).

Soit [Pa/(1 Pa)]/[Pb/(1 Pb))] avec

Pa : la probabilité de connaître l’événement pour la pop. A

Pb : la probabilité de connaître l’événement pour la pop. B


Une question taraude l’assistance… Comment formuler des constats à partir des odds-ratio sans émettre de jugement normatif ? Exprimer les résultats d’une régression selon l’alternative « chances de » ou « risques de » est-il adapté aux sciences sociales ? Ces éléments de discussion nous permettent de revenir collectivement sur la « controverse sur la mesure des inégalités scolaires » en sociologie qu’évoque Pierre Mercklé dans un billet. Il y souligne le caractère optimiste associé aux odds-ratio expliquant le fort investissement dont cette méthode de mesure fait l’objet depuis le milieu des années 1980. Nous renvoyons les lecteur.trice.s intéressé.e.s par ces questions à la bibliographie mentionnée dans le billet[1].


D’autres méthodes existent permettant de représenter graphiquement les résultats d’une régression.

Une des méthodes présentées repose sur l’extension Ggally du package ggplot2. Elle a l’avantage de permettre d’identifier rapidement les modalités de variable qui présentent les odds-ratio les plus importants puisqu’ils sont classés dans l’ordre décroissant. L’ensemble des éléments de mise en forme du graphique peuvent être contrôlés par les différentes fonctions de ggplot2. Il est également possible de projeter plusieurs graphiques dans une même fenêtre grâce à la fonction multiplot du package JLutils. Néanmoins, ce mode de représentation présente plusieurs inconvénients : les modalités de référence doivent être ajoutées, les p-value ne figurent pas sur le graphique, les effectifs non plus. Cette méthode est très flexible : l’amélioration du graphique est possible avec les multiples fonctions de ggplot 2, mais en même temps relativement coûteuse. Elle demande en effet une affinité, sinon une maîtrise, de la grammaire particulière de ggplot 2[2].


C’est peut-être avec la dernière méthode que nous obtenons la mise en forme la plus satisfaisante. Grâce à la fonction forest_model du package forestmodel, il est possible de combiner à la fois un tableau et une représentation graphique des odds-ratio. Le tableau regroupe les variables du modèle ainsi que les différentes modalités qui s’y rapportent (dont les modalités de référence), les effectifs, les p-value et le graphique permet de lire les odds-ratio.

Une vive agitation se fait sentir parmi les participant.e.s au séminaire. Les interrogations portent sur les bénéfices du recours à de telles techniques de représentation des résultats d’une régression. Quand des habitudes de lecture et de publication comme celles associées à la lecture des tableaux « classiques » de régression sont aussi bien ancrées dans le monde académique, y a-t-il des bénéfices à préférer des représentations visuelles originales ? Ces dernières peuvent être adaptées à des présentations orales, en particulier celles destinées à un public peu averti de ce type de méthode. Les avis sont divergents et nous ne pouvons que vous encourager à vous faire votre propre avis… par la pratique des techniques présentées par Antoine Machut. Si la balance devait pencher pour les tableaux classiques de régression, la fonction htmlreg du package texreg fait très bien le travail, y compris pour présenter les résultats de plusieurs modèles dans un même tableau.


[1] https://quanti.hypotheses.org/603

[2] François Briatte, « Introduction à ggplot2, la grammaire des graphiques », http://larmarange.github.io/analyse-R/intro-ggplot2.html


Vous aimerez aussi...

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search